Python 获取随机林中决策树的值
有没有可能知道多少棵树能让我得到预测值? 我用随机森林算法做了一个目标检测项目Python 获取随机林中决策树的值,python,scikit-learn,random-forest,Python,Scikit Learn,Random Forest,有没有可能知道多少棵树能让我得到预测值? 我用随机森林算法做了一个目标检测项目 from sklearn.ensemble import RandomForestClassifier RF_model = RandomForestClassifier(n_estimators = 50, random_state = 42) # Train the model on training data RF_model.fit(X_for_RF, y_train) 这里我有50棵树,我需要知道哪些树
from sklearn.ensemble import RandomForestClassifier
RF_model = RandomForestClassifier(n_estimators = 50, random_state = 42)
# Train the model on training data
RF_model.fit(X_for_RF, y_train)
这里我有50棵树,我需要知道哪些树的数量能得到这个预测值
假设随机森林提取对我来说这是苹果,那么我需要得到它认为它是苹果的树的数量,就像“有30棵树告诉我这是苹果,其他20棵决定它是香蕉”。是的,这可以使用
估计器属性:
RF_模型=随机森林分类器(n_估计器=50,随机_状态=42)
RF_型号。配合(X_用于RF,y_系列)
树=RF_模型估计量_
#获取第一个实例的所有50个树预测
preds_for_0=[tree.predict(X_for_RF[0]。为树中的树重塑(1,-1))[0]
此处trees
是n\u估计器的列表
(此处为50)DecisionTreeClassifier()
来自sklearn.tree
的对象。要从每个树中获取类标签,只需使用predict()
方法即可
列表preds\u for_0
(长度50)存储每个组成树为X\u for_RF[0]
预测的标签。浏览此列表将很容易为您提供多数标签,以及哪个树为实例提供了什么标签。是,这可以使用估计器属性:
RF_模型=随机森林分类器(n_估计器=50,随机_状态=42)
RF_型号。配合(X_用于RF,y_系列)
树=RF_模型估计量_
#获取第一个实例的所有50个树预测
preds_for_0=[tree.predict(X_for_RF[0]。为树中的树重塑(1,-1))[0]
此处trees
是n\u估计器的列表
(此处为50)DecisionTreeClassifier()
来自sklearn.tree
的对象。要从每个树中获取类标签,只需使用predict()
方法即可
列表preds\u for_0
(长度50)存储每个组成树为X\u for_RF[0]
预测的标签。浏览此列表将很容易为您提供多数标签,以及哪个树为实例提供了什么标签